| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·概述 | 第7页 |
| ·电力系统负荷预测的意义 | 第7-8页 |
| ·短期电力负荷预测的发展和现状 | 第8-12页 |
| ·短期电力负荷预测的发展过程 | 第8-9页 |
| ·短期电力负荷预测的传统方法与研究现状 | 第9-12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 电力负荷特性分析及分段原理 | 第14-20页 |
| ·负荷的组成 | 第14页 |
| ·负荷的外在特性 | 第14-17页 |
| ·负荷的内在特性 | 第17-18页 |
| ·负荷变化的年周期性 | 第17页 |
| ·负荷变化的周周期性 | 第17-18页 |
| ·负荷变化的日周期性 | 第18页 |
| ·负荷的分段原理 | 第18-20页 |
| 3 人工神经网络 | 第20-29页 |
| ·人工神经网络的发展和现状 | 第20-21页 |
| ·神经网络基本理论 | 第21-26页 |
| ·网络结构特点 | 第21页 |
| ·BP网络算法 | 第21-24页 |
| ·BP网络算法流程图 | 第24-26页 |
| ·BP网络存在的问题及解决方法 | 第26-29页 |
| ·存在的问题 | 第26页 |
| ·解决存在问题的措施和方法 | 第26-29页 |
| 4 粗糙集理论 | 第29-34页 |
| ·概述 | 第29页 |
| ·粗糙集理论的基本概念 | 第29-31页 |
| ·基于区分矩阵的属性约简算法 | 第31-34页 |
| 5 基于粗糙集理论的神经网络分段预测模型及实例分析 | 第34-41页 |
| ·预测模型 | 第34-35页 |
| ·短期负荷预测的基本模型 | 第34-35页 |
| ·节假日对负荷预测值的调整 | 第35页 |
| ·最佳约简集计算 | 第35-36页 |
| ·神经网络的具体实现 | 第36-37页 |
| ·神经网络的具体结构 | 第36-37页 |
| ·不同算法具体实现 | 第37页 |
| ·预测结果及分析 | 第37-40页 |
| ·小结 | 第40-41页 |
| 6 结论 | 第41-43页 |
| ·结论 | 第41页 |
| ·未来工作的展望 | 第41-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 | 第47页 |